چاپ

راه ترقی - هوش مصنوعی دیپ‌مایند ساختار سه‌بعدی تمام پروتئین‌هایی که در بدن انسان ساخته می‌شود، پیش‌بینی کرده که امیدبخش دستاوردهای جدید در زمینه‌ی پزشکی و طراحی دارو است.

چند سالی است جان مگ ‌ گیان ، زیست‌شناس و مدیر مرکز نوآوری آنزیم در پورتسموث انگلیس، به دنبال مولکولی بوده که بتواند 150 میلیون تن بطری نوشابه و ضایعات پلاستیکی دیگر را در سراسر جهان تجزیه کند. او با همکاری پژوهشگران در دو سمت اقیانوس اطلس چند گزینه خوب پیدا کرده؛ اما وظیفه‌ی وی بسیار دشوار است: کشف ترکیبات شیمیایی که به‌خودی‌خود به شکل‌های میکروسکوپی پیچ می‌خورند که بتوانند به‌طور کامل در مولکول‌های سازنده‌ی بطری‌های پلاستیکی جای بگیرند و مانند کلیدی که در را باز می‌کند، آن‌ها را از هم جدا کنند. این روزها تعیین محتوای شیمیایی دقیق هر آنزیم چالش نسبتا ساده‌ای است؛ اما شناسایی شکل سه‌بعدی آن شاید به سال‌ها آزمایش بیوشیمیایی نیاز داشته باشد؛ بنابراین پاییز گذشته دکتر مک‌گیان پس از خواندن مطلبی درباره‌ی اینکه آزمایشگاه هوش مصنوعی دیپ‌مایند در لندن، سیستمی ساخته است که به‌طور خودکار شکل آنزیم‌ها و پروتئین‌های دیگر را پیش‌بینی می‌کند، از آزمایشگاه مذکور پرسید آیا می‌تواند به او در زمینه پروژه‌اش کمک کند. او در اواخر هفته‌ای کاری، فهرستی از هفت آنزیم را برای دیپ‌مایند فرستاد. دوشنبه بعد، آزمایشگاه اشکال تمام هفت پروتئین را برای او ارسال کرد. دکتر مک‌گیان می‌گوید: «این، کار ما را یکی دو سال جلوتر انداخت.» اکنون هر بیوشیمیدانی می‌تواند به همین شیوه به کار خود سرعت ببخشد. به گزارش نیویورک تایمز ، روز پنج‌شنبه دیپ‌مایند اشکال پیش‌بینی‌شده‌ی بیش از 350 هزار پروتئین را منتشر کرد که سازوکارهای میکروسکوپی هستند که رفتار باکتری‌ها، ویروس‌ها، بدن انسان و تمام موجودات زنده‌ی دیگر را هدایت می‌کنند. پایگاه داده جدید شامل ساختارهای سه‌بعدی تمام پروتئین‌های بیان‌شده توسط ژنوم انسان و نیز پروتئین‌هایی است که در 20 موجود زنده‌ی دیگر ازجمله موش، مگس میوه و باکتری ای‌کولای بیان می‌شود. این نقشه بیولوژیکی دقیق و گسترده که تقریبا 250 هزار شکل را ارائه می‌دهد که قبلاً ناشناخته بود، ممکن است توانایی درک بیماری‌ها را افزایش بدهد و روند ساخت داروهای جدید و تغییر کاربرد داروهای موجود را تسریع کند. دستاورد جدید همچنین ممکن است به ساخت ابزارهای زیستی جدیدی منجر شود؛ مانند آنزیمی که بطری‌های پلاستیکی را تجزیه و آن‌ها را به موادی تبدیل کند که به‌ر‌احتی مورد استفاده مجدد قرار بگیرند یا بازیافت شوند. گیرا بابا ، استادیار گروه زیست‌شناسی سلولی در دانشگاه نیویورک، می‌گوید: «این دستاورد می‌تواند شما را از زمان جلوتر ببرد، بر طرز فکر شما در مورد مشکلات اثر بگذارد و به حل سریع‌تر آن‌ها کمک کند. در هر حوزه‌ای از زیست‌شناسی که به مطالعه مشغول باشید، این ابزار می‌تواند مفید باشد.»

راه ترقی

هوش مصنوعی چیست؟ هرآنچه باید درباره فناوری مرموز و جذاب امروز بدانیم دیپ‌مایند یکی از بزرگ‌ترین چالش‌های زیست‌شناسی را حل می‌کند هوش مصنوعی چگونه می‌تواند همه‌گیری‌های بعدی را پیش از شروع متوقف کند؟
وقتی دکتر مک‌گیان فهرست هفت آنزیم خود را به دیپ‌مایند فرستاد، به آزمایشگاه گفت شکل دو مورد از آن‌ها را قبلاً مشخص کرده است؛ اما به آن‌ها نگفت کدام دو مورد بوده‌اند. این روشی برای آزمایش مقدار کارایی سیستم بود. آلفافولد با پیش‌بینی صحیح هر دو شکل در آزمون موفق شد. آنچه برای دکتر مک‌گیان قابل توجه بود، این بود که پیش‌بینی‌ها طی چند روز آماده شد. البته او بعداً متوجه شد که آلفافولد در واقع طی چند ساعت این کار را انجام داده است. آلفافولد ساختار پروتئین‌ها را با استفاده از شبکه عصبی پیش‌بینی می‌کند که سیستم ریاضی است که با تجزیه‌و‌تحلیل حجم بالایی از اطلاعات می‌تواند وظایف را یاد بگیرد (در این مورد، هزاران پروتئین شناخته‌شده و اشکال فیزیکی آن‌ها) و آن را در مورد ناشناخته‌ها به کار ببرد. شبکه عصبی همان فناوری است که دستورهای صوتی را که به تلفن هوشمند خود می‌دهید، شناسایی می‌کند؛ چهره‌های موجود در تصاویری که در فیسبوک ارسال می‌کنید، شناسایی می‌کند و در مترجم گوگل یک زبان را به زبان دیگر ترجمه می‌کند و موارد دیگر؛ اما بسیاری از کارشناسان بر این باورند که آلفافولد یکی از قدرتمندترین کاربردهای این فناوری است. همان‌طور که دکتر مک‌گیان کشف کرد، آلفافولد می‌تواند به طرز چشمگیری دقیق باشد. بر اساس آزمایش‌های مستقلی که در آن پیش‌بینی‌های این فناوری را با ساختارهای شناخته‌شده پروتئین مقایسه می‌کند، آلفافولد می‌تواند شکل پروتئین را با دقتی پیش‌بینی کند که در حدود 63 درصد از اوقات با پیش‌بینی‌های حاصل از آزمایش‌های فیزیکی قدرت رقابت دارد. بیشتر کارشناسان تصور می‌کردند فناوری مذکور به این سرعت تا این حد پیشرفت نمی‌کند. رندی رید ، استاد دانشگاه کمبریج، می‌گوید: «فکر می‌کردم 10 سال دیگر طول بکشد.» اما دقت سیستم متغیر است؛ به‌طوری‌که برخی از پیش‌بینی‌ها در پایگاه داده دیپ‌مایند، از بقیه سودمندی کمتری دارند. هر پیش‌بینی در پایگاه داده همراه با یک امتیاز اطمینان می‌آید که نشان می‌دهد این عدد احتمالا چقدر دقیق است. پژوهشگران دیپ‌مایند برآورد می‌کنند که سیستم آن‌ها در حدود 95 درصد از مواقع، پیش‌بینی خوبی ارائه می‌دهد. بنابراین سیستم نمی‌تواند به‌طور کامل جایگزین آزمایش‌های فیزیکی شود. این روش در کنار روش‌های آزمایشگاهی استفاده می‌شود تا به دانشمندان کمک کند که تعیین کنند چه آزمایش‌هایی باید انجام بدهند و زمانی که آزمایش‌ها ناموفق باشند، شکاف را پر می‌کند.

راه ترقی